Investigadores prueban arneses para agentes corporizados
Thea y SHAPER trasladan a robots y a la IA corporizada ideas de infraestructura usadas en agentes de programación.
Por qué importa
El trabajo desplaza la atención desde los pesos del modelo por sí solos hacia el sistema de ejecución que rodea a la IA corporizada. Sugiere que el avance de los agentes robóticos puede depender de mejores representaciones de estado, interfaces de acción, ciclos de evaluación y habilidades reutilizables.
Puntos clave
- 1.Thea encapsula capacidades robóticas como herramientas invocables.
- 2.SHAPER hace evolucionar habilidades y código de arnés sin actualizar los parámetros del modelo.
- 3.Ambos artículos presentan el diseño del arnés como un factor central para el rendimiento de los agentes corporizados.
Dos nuevos artículos analizan si el modelo de arnés empleado por los agentes de programación puede mejorar los agentes corporizados. Uno presenta Thea, un arnés para agentes robóticos que encapsula capacidades como herramientas invocables y añade un grafo de escena persistente junto con un mecanismo de evaluación de acciones para cerrar el ciclo en entornos físicos. El otro presenta SHAPER, un marco de adaptación sin entrenamiento que mantiene congelados los parámetros del modelo mientras hace evolucionar habilidades reutilizables y un arnés de contexto-código mediante despliegues en el entorno objetivo, evaluado en VLABench y ESI-Bench.
⚡ Pruébalo hoy
Antes de ajustar finamente un agente corporizado, conviene auditar si sus herramientas, su representación del contexto y su ciclo de evaluación de acciones pueden mejorarse sin actualizar parámetros.
Fuentes y cobertura original
Este resumen sintetiza y enlaza la cobertura de los medios siguientes.
- arXiv cs.AITowards the Harness of Embodied AgentsAug 13, 12:00 PM↗
- arXiv cs.LGTowards the Harness of Embodied AgentsAug 13, 12:00 PM↗
- arXiv cs.CLSelf-Evolving Embodied Agents via Skill-Harness EvolutionAug 13, 12:00 PM↗
- HF Daily PapersSelf-Evolving Embodied Agents via Skill-Harness EvolutionAug 11, 4:00 AM↗
¿Te gustó este resumen? Recibe el próximo en tu correo.
Más en Investigación
Un estudio concluye que el contexto de auditoría y reparación vuelve más permisivos a los verificadores basados en LLM
El artículo de arXiv reporta menos falsas alarmas tras episodios previos de auditoría y reparación en el contexto del modelo.
AlphaEvolve ayuda a reducir la cota de la multiplicación de matrices
Una nueva nota en arXiv informa de una mejora en la cota superior del exponente de la multiplicación de matrices.
InternLM propone la arquitectura de modelo Mobius
El artículo en arXiv separa la memoria y el razonamiento para mejorar la compresión y la eficiencia de inferencia.